SdcaOptimizer

SdcaOptimizer คลาสสุดท้ายสาธารณะ

เวอร์ชันกระจายของเครื่องมือเพิ่มประสิทธิภาพ Stochastic Dual Coordinate Ascent (SDCA) สำหรับ

โมเดลเชิงเส้นที่มีการทำให้เป็นมาตรฐาน L1 + L2 เนื่องจากวัตถุประสงค์การปรับให้เหมาะสมโดยรวมนั้นนูนออกมาอย่างมาก เครื่องมือเพิ่มประสิทธิภาพจึงปรับวัตถุประสงค์คู่ให้เหมาะสมในแต่ละขั้นตอน เครื่องมือเพิ่มประสิทธิภาพจะใช้การอัปเดตแต่ละครั้งทีละตัวอย่าง ตัวอย่างจะถูกสุ่มตัวอย่างอย่างสม่ำเสมอ และเครื่องมือเพิ่มประสิทธิภาพไม่มีอัตราการเรียนรู้และเพลิดเพลินกับอัตราการลู่เข้าเชิงเส้น

[การขึ้นของพิกัดคู่สุ่มใกล้เคียง](http://arxiv.org/pdf/1211.2717v1.pdf)
ไช ชาเลฟ-ชวาตซ์, ตง จาง. 2555

$$Loss Objective = \sum f_{i} (wx_{i}) + (l2 / 2) * |w|^2 + l1 * |w|$$

[การเพิ่มเทียบกับการหาค่าเฉลี่ยในการเพิ่มประสิทธิภาพ Primal-Dual แบบกระจาย](http://arxiv.org/abs/1502.03508)
Chenxin Ma, Virginia Smith, Martin Jaggi, Michael I. Jordan, Peter Richtarik, Martin Takac 2558

[การขึ้นของพิกัดคู่แบบสุ่มพร้อมความน่าจะเป็นที่ปรับเปลี่ยนได้](https://arxiv.org/abs/1502.08053)
โดมินิก ซีบา, เจิ้ง คู, ปีเตอร์ ริชทาริก 2558

คลาสที่ซ้อนกัน

ระดับ

SdcaOptimizer ตัวเลือก

แอ็ตทริบิวต์ทางเลือกสำหรับ SdcaOptimizer

ค่าคงที่

สตริง

OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

วิธีการสาธารณะ

SdcaOptimizer.Options แบบคงที่	การปรับตัว (การปรับตัวแบบบูลีน)
SdcaOptimizer แบบคงที่	สร้าง ( ขอบเขต ขอบเขต Iterable< Operand < TInt64 >> sparseExampleIndices, Iterable< Operand < TInt64 >> sparseFeatureIndices, Iterable< Operand < TFloat32 >> sparseFeatureValues, Iterable< Operand < TFloat32 >> หนาแน่น Features, Operand < TFloat32 > exampleWeights, Operand < TFloat32 > exampleLabels, Iterable< ตัวดำเนินการ < TInt64 >> sparseIndices, Iterable< ตัวดำเนินการ < TFloat32 >> sparseWeights, Iterable< ตัวดำเนินการ < TFloat32 >> Dหนาแน่นWeights, ตัวดำเนินการ < TFloat32 > exampleStateData, String lossType, Float l1, Float l2, Long numLossPartitions, Long numInnerIterations , ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ SdcaOptimizer ใหม่
รายการ < เอาท์พุต < TFloat32 >>	ออกDeltaDenseWeights () รายการเวกเตอร์โดยที่ค่าคือน้ำหนักเดลต้าที่เกี่ยวข้องกับกลุ่มคุณลักษณะที่มีความหนาแน่นสูง
รายการ < เอาท์พุต < TFloat32 >>	ออกDeltaSparseWeights () รายการเวกเตอร์โดยที่แต่ละค่าคือน้ำหนักเดลต้าที่เกี่ยวข้องกับกลุ่มคุณลักษณะกระจัดกระจาย
เอาท์พุต < TFloat32 >	outExampleStateData () รายการเวกเตอร์ที่มีข้อมูลสถานะตัวอย่างที่อัปเดต

วิธีการสืบทอด

จากคลาส org.tensorflow.op.RawOp

บูลีนสุดท้าย	เท่ากับ (วัตถุ obj)
int สุดท้าย	แฮชโค้ด ()
การดำเนินการ	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว
สตริงสุดท้าย	toString ()

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

จากอินเทอร์เฟซ org.tensorflow.op.Op

บทคัดย่อ ExecutionEnvironment	สิ่งแวดล้อม () ส่งคืนสภาพแวดล้อมการดำเนินการที่ op นี้ถูกสร้างขึ้น
การดำเนินการ ที่เป็นนามธรรม	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว

ค่าคงที่

สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

ค่าคงที่: "SdcaOptimizerV2"

วิธีการสาธารณะ

สาธารณะ SdcaOptimizer.Options แบบคงที่ แบบปรับได้ (แบบบูลีนแบบปรับได้)

พารามิเตอร์

ปรับตัวได้	จะใช้ Adaptive SDCA สำหรับวงในหรือไม่

สร้าง SdcaOptimizer คงที่สาธารณะ (ขอบเขต ขอบเขต Iterable < Operand < TInt64 >> sparseExampleIndices, Iterable < Operand < TInt64 >> sparseFeatureIndices, Iterable < Operand < TFloat32 >> sparseFeatureValues, Iterable < Operand < TFloat32 >> หนาแน่นคุณสมบัติ, Operand < TFloat32 > exampleWeights, ตัวถูกดำเนินการ < TFloat32 > exampleLabels, Iterable< ตัวถูกดำเนินการ < TInt64 >> sparseIndices, Iterable< ตัวถูกดำเนินการ < TFloat32 >> sparseWeights, Iterable< ตัวถูกดำเนินการ < TFloat32 >>หนาแน่น, ตัวถูกดำเนินการ < TFloat32 > exampleStateData, String lossType, Float l1, Float l2, Long numLossPartitions , Long numInnerIterations, ตัวเลือก... ตัวเลือก)

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SdcaOptimizer ใหม่

พารามิเตอร์

ขอบเขต	ขอบเขตปัจจุบัน
กระจัดกระจายตัวอย่างดัชนี	รายการเวกเตอร์ซึ่งมีดัชนีตัวอย่าง
คุณลักษณะเบาบางดัชนี	รายการเวกเตอร์ซึ่งมีดัชนีคุณลักษณะ
เบาบางคุณลักษณะค่า	รายการเวกเตอร์ซึ่งมีค่าคุณสมบัติที่เกี่ยวข้องกับแต่ละกลุ่มคุณสมบัติ
คุณสมบัติหนาแน่น	รายการเมทริกซ์ที่มีค่าฟีเจอร์หนาแน่น
ตัวอย่างน้ำหนัก	เวกเตอร์ที่มีน้ำหนักที่เกี่ยวข้องกับแต่ละตัวอย่าง
exampleLabels	เวกเตอร์ซึ่งมีป้ายกำกับ/เป้าหมายที่เกี่ยวข้องกับแต่ละตัวอย่าง
ดัชนีเบาบาง	รายการเวกเตอร์โดยที่แต่ละค่าเป็นดัชนีซึ่งมีน้ำหนักที่สอดคล้องกันใน sparse_weights ฟิลด์นี้อาจถูกละเว้นสำหรับแนวทางแบบหนาแน่น
น้ำหนักเบาบาง	รายการเวกเตอร์โดยที่แต่ละค่าคือน้ำหนักที่เกี่ยวข้องกับกลุ่มคุณลักษณะกระจัดกระจาย
น้ำหนักหนาแน่น	รายการเวกเตอร์โดยที่ค่าคือน้ำหนักที่เกี่ยวข้องกับกลุ่มคุณลักษณะที่มีความหนาแน่นสูง
ตัวอย่างStateData	รายการเวกเตอร์ที่มีข้อมูลสถานะตัวอย่าง
ประเภทการสูญเสีย	ประเภทของการสูญเสียครั้งแรก ปัจจุบัน SdcaSolver รองรับการสูญเสียด้านลอจิสติกส์ กำลังสอง และบานพับ
l1	ความแรงของการทำให้เป็นมาตรฐานแบบสมมาตร l1
l2	ความแรงของการทำให้เป็นมาตรฐาน L2 แบบสมมาตร
numLossPartitions	จำนวนพาร์ติชันของฟังก์ชันการสูญเสียโกลบอล
numInnerIterations	จำนวนการวนซ้ำต่อมินิแบทช์
ตัวเลือก	มีค่าแอตทริบิวต์ทางเลือก

การส่งคืน

• อินสแตนซ์ใหม่ของ SdcaOptimizer

รายการสาธารณะ < เอาท์พุต < TFloat32 >> outDeltaDenseWeights ()

รายการเวกเตอร์โดยที่ค่าคือน้ำหนักเดลต้าที่เกี่ยวข้องกับกลุ่มคุณลักษณะที่มีความหนาแน่นสูง

รายการสาธารณะ < เอาท์พุท < TFloat32 >> outDeltaSparseWeights ()

รายการเวกเตอร์โดยที่แต่ละค่าคือน้ำหนักเดลต้าที่เกี่ยวข้องกับกลุ่มคุณลักษณะกระจัดกระจาย

เอาท์ พุทสาธารณะ < TFloat32 > outExampleStateData ()

รายการเวกเตอร์ที่มีข้อมูลสถานะตัวอย่างที่อัปเดต